01 / 导读
导读
引用
Reidy, J., & Dancey, C. P. (2024). Statistics without Maths for Psychology (9th ed.). Pearson.
章节概要
第9版由Pearson于2024年11月出版，约516页，共十六章，书末附有书中练习和SPSS习题的答案以及两张统计表。出版社称，本书的做法是讲解心理学学生需要掌握的关键统计概念，而不使用常令学生望而生畏的数学公式，并指导读者用SPSS完成每一种分析；全书穿插大量例子、练习和问题。各章自然地分为三个阶段：基础（第1–5章）、核心检验（第6–12章）以及更高级方法的入门（第13–16章）。
第1–2章：变量与研究设计；SPSS入门
本书从变量和研究设计的基本术语讲起，此后每一次选择检验方法都以此为前提；随后介绍贯穿全书使用的软件SPSS。
第3–5章：描述统计；概率、抽样与分布；假设检验与统计显著性
这几章为推断统计打下概念基础：数据的概括、概率、抽样与分布的思想，以及假设检验和统计显著性的逻辑。
第6–7章：相关分析：皮尔逊r；两种条件间差异的分析：t检验
最先介绍的两种推断检验：考察两个变量之间关系的相关分析，以及比较两种条件的t检验。
第8章：显著性问题
本章放在最初几种检验之后，在读者实际使用过显著性检验之后再回到统计显著性，探讨其使用和解释中的问题。
第9章：关联的度量
一章讨论变量之间关联的度量，本书把它与第6章的皮尔逊相关分开处理。
第10–11章：三种或更多条件间差异的分析；含多个自变量的方差分析
方差分析，先针对具有三种或更多条件的单个自变量，再针对含有多个自变量的设计。
第12章：回归分析
回归是用其他变量预测某一变量的方法，延伸了第6章的相关思想。
第13–15章：排除协变量影响的三组或多组分析；因子分析入门；多元方差分析（MANOVA）入门
三种超出标准检验的方法入门：在排除协变量影响的前提下比较各组、因子分析以及MANOVA。后两章的标题本身即注明为入门。
第16章：非参数统计
最后一章介绍非参数方法，供数据不满足前面所讲参数检验之前提时使用。
核心概念
基础（第1–5章）
- 变量与研究设计：决定何种分析合适的变量类型和设计类型。
- 描述统计：在检验之前对一组数据进行概括和描述。
- 抽样与分布：样本与总体之间的关系，是推断的基础。
- 假设检验与显著性：判断观察到的效应是否很可能出于偶然。
核心检验（第6–12章）
- 皮尔逊r：衡量两个变量之间线性关系强度与方向的指标。
- t检验：检验两种条件之间的差异。
- 方差分析（ANOVA）：比较三种或更多条件，以及含有多个自变量的设计。
- 回归：用一个或多个预测变量来预测结果变量。
进一步的方法（第13–16章）
- 协变量：在比较各组时将其影响排除的变量。
- 因子分析：找出能解释众多变量之间相关的潜在因子。
- MANOVA：含有多个因变量的方差分析。
- 非参数检验：对数据分布所作假设较少的替代方法。
评析
优点
- 先概念，后计算。 出版社对本书的核心定位是不借助令人生畏的公式来讲解统计概念。对于困难在于数学而不在于推理的学生来说，这扫除了理解一种检验做什么、何时使用的主要障碍。
- 软件贯穿全书。 SPSS在任何分析之前的第2章就已引入，书末附有SPSS习题及答案。据出版社介绍，配套网站为所在院校使用jamovi的学生提供jamovi操作视频，电子教材版则另有SPSS操作视频和章末选择题测验。
- 顺序合理。 显著性占两章：第5章讲其逻辑，在读者用过相关和t检验之后，再用单独一章（第8章）讨论显著性问题。非参数检验集中在最后一章，而不是分散在各处。
- 内置练习。 出版社称本书含有丰富的例子、练习和问题，练习和SPSS习题的答案均印在书中，因此也适合自学。
局限
- 不用数学的概念理解有其限度。 这种做法适合入门课程，但继续学习高级方法的学生终究需要本书刻意省略的形式化处理。
- 高级方法仅止于入门。 因子分析和MANOVA以入门形式呈现，多层模型或贝叶斯分析等主题未出现在目录中。
- 依赖SPSS。 书中的分析示例使用SPSS；jamovi用户有配套视频，但使用R或其他软件的读者需要自行转换操作步骤。
在课程中的定位
在研究方法与统计课程中，本书是一本平易的统计教材，与研究方法教材搭配使用十分自然。Rajiv Jhangiani等人的 Research Methods in Psychology（免费开放教材）或Beth Morling的 Research Methods in Psychology 讲述研究如何设计和评价；本书第1章对研究设计的概述仅以选择检验方法所需为限，并读一本研究方法教材即可补足这一空白。
Andy Field的 Discovering Statistics Using IBM SPSS Statistics 同样借助SPSS讲授类似的统计内容，但走得更远，章节一直延伸到逻辑回归和多层模型。合理的顺序是先在本书中学会某种检验，再读Field书中同一检验的章节以加深理解。Scott Maxwell、Harold Delaney与Ken Kelley的 Designing Experiments and Analyzing Data 是一本通过模型比较来讲授方差分析的研究生教材，对将来从事研究的学生而言，是读完第10–11章和第13章后的自然下一步。Richard McElreath的 Statistical Rethinking 讲授用R和Stan进行贝叶斯建模，与本书采用的显著性检验框架完全不同，最好在扎实掌握标准检验之后再读。
如何使用本书
本书不要求任何统计基础；具备基本算术能力并熟悉心理学研究问题即可。它适合心理学专业一、二年级本科生，需要运行并理解标准分析的相邻学科学生，以及曾被公式繁多的教材劝退、想重新学习统计的人。
实用的阅读安排：
- 基础（一年级）： 按顺序阅读第1–5章，包括讲SPSS的第2章。不要跳过第5章，后面的每一种检验都依赖它的逻辑。
- 核心检验： 先读第6–7章，再读讨论显著性问题的第8章，然后继续。第9–12章可按课程讲授的顺序阅读。
- 进一步的方法（高年级或为课题所需）： 根据毕业论文的设计选读第13–15章；数据违反参数检验前提时，随时查阅第16章。
阅读时打开SPSS：自己重做每个示例分析，先完成SPSS习题，再对照书末答案。为每种检验写一行笔记，说明何时使用（设计、变量类型、条件数量）；读完第12章时，这些笔记就成了一份选择分析方法的决策指南。如果课程使用jamovi，可借助配套网站的视频把每个SPSS步骤对应到jamovi中。若学生最终还是想了解公式，可以在概念清楚之后，再去读一本数学性更强的教材中的相应章节。